From 9dd55ed0a4f9cc6a05119818950b160e8c42bb61 Mon Sep 17 00:00:00 2001
From: gzbigegg <yliu@xtremeprog.com>
Date: Tue, 12 Oct 2021 12:11:32 +0800
Subject: [PATCH] Update neuron.md

Removed redundant '$' sign.
---
 docs/tutorials/deep_learning/basic_concepts/neuron.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/docs/tutorials/deep_learning/basic_concepts/neuron.md b/docs/tutorials/deep_learning/basic_concepts/neuron.md
index 5a5a6d9db..cb4745213 100644
--- a/docs/tutorials/deep_learning/basic_concepts/neuron.md
+++ b/docs/tutorials/deep_learning/basic_concepts/neuron.md
@@ -7,9 +7,9 @@
 <center>图1 MCP 模型结构</center><br></br>
 
 从 **图1** 可见，给定 n 个二值化（0或1）的输入数据 $x_i$ ($1\le i\le n$)与连接参数 $w_i$ ($1\le i\le n$)，MCP 神经元模型对输入数据线性加权求和，然后使用函数 $\varPhi \left(  \right)$ 将加权累加结果映射为 0 或 1 ，以完成两类分类的任务：
-$$
+$
 y=\varPhi \left( \sum_{i=1}^n{w_ix_i} \right)
-$$
+$
 
 其中 $w_i$ 为预先设定的连接权重值（一般在 0 和 1 中取一个值或者 1 和 -1 中取一个值），用来表示其所对应输入数据对输出结果的影响（即权重）。$\varPhi \left(  \right)$ 将输入端数据与连接权重所得线性加权累加结果与预先设定阈值 $\theta$ 进行比较，根据比较结果输出 1 或 0。